PostgreSQL 查询成本模型教程

摘要：PostgreSQL是一个*的对象-关系数据库服务器(数据库管理系统)，被业界誉为“最先进的开源数据库”，本文作者以代码实例说明了如何计算和评估PostgreSQL查询成本，以下是译文。

数据库查询速度如果太慢会从很多方面损害机构，比如可能会损害一些优秀应用程序的声誉，因为数据库查询速度过慢，造成后台处理速度慢得令人痛苦，并大幅增加基础设施的成本。作为一名经验丰富的Web开发人员，了解数据层的优化策略是绝对必要的。

这里写图片描述

在本文中，我们将探讨PostgreSQL的成本模型，如何了解explain命令(关于explain命令可参见这篇文章)的输出，最重要的是如何利用这些模型数据来提高应用程序的吞吐量。

使用PostgreSQL Explain 命令

在应用程序中部署一个新的查询语句之前，最好通过PostgreSQL中的 explain中的命令来运行它，以评估新查询对应用系统性能的影响。

以一个示例数据库表开始，来说明explain命令的用法。这个表存有一百万条数据记录。

db # CREATE TABLE users (id serial, name varchar);

db # INSERT INTO users (name) SELECT 'John'

FROM generate_series(, );

db # SELECT count(*) FROM users;

count

( row)

db # SELECT id, name FROM users LIMIT ;

id | name

----+------

| John

| John

| John

| John

| John

| John

| John

| John

| John

| John

( rows)

db # CREATE TABLE users (id serial, name varchar);

db # INSERT INTO users (name) SELECT 'John'

FROM generate_series(, );

db # SELECT count(*) FROM users;

count

( row)

db # SELECT id, name FROM users LIMIT ;

id | name

----+------

| John

| John

| John

| John

| John

| John

| John

| John

| John

| John

( rows)

假设需要用一个给定的id来查找一个用户名，但是在部署新的查询代码之前，要评估这个查询操作的成本。运行一个explain语句来做相关查询：

db # EXPLAIN SELECT * FROM users WHERE id = ;

QUERY PLAN

--------------------------------------------------

Gather (cost=.... rows= width=)

Workers Planned:

-> Parallel Seq Scan on users (cost=.... rows= width=)

Filter: (id = )

( rows)

db # EXPLAIN SELECT * FROM users WHERE id = ;

QUERY PLAN

--------------------------------------------------

Gather (cost=.... rows= width=)

Workers Planned:

-> Parallel Seq Scan on users (cost=.... rows= width=)

Filter: (id = )

( rows)

在上面的例子中有很多的输出，但是可以得到它的要点。为了运行这个查询，PostgreSQL计划启动两个并行的工作进程(workers)。每个工作进程将在表上进行顺序扫描，最后，收集器合并来自两个工作进程的结果。

在本文中，重点介绍上面输出的cost以及PostgreSQL如何计算它。

为了简化成本探索，运行上面的查询，但限制可并行的工作进程数量为。

db # SET max_parallel_workers_per_gather = ;

db # EXPLAIN SELECT * FROM users WHERE id = ;

QUERY PLAN

--------------------------------------------------

Seq Scan on users (cost=.... rows= width=)

Filter: (id = )

( rows)

db # SET max_parallel_workers_per_gather = ;

db # EXPLAIN SELECT * FROM users WHERE id = ;

QUERY PLAN

--------------------------------------------------

Seq Scan on users (cost=.... rows= width=)

Filter: (id = )

( rows)

这有点简单。在只有单CPU内核的情况下，评估成本是。

成本值背后的数学

在PostgreSQL中，成本或惩罚点大多是一个抽象的概念。PostgreSQL可以执行查询的方式很多，而PostgreSQL总是选择最低成本值的执行规划。

计算成本，PostgreSQL首先查看表的字节数大小。接下来看看用户表的大小。

db # select pg_relation_size('users');

pg_relation_size

--------------------------

( row)

db # select pg_relation_size('users');

pg_relation_size

--------------------------

( row)

PostgreSQL会为每个要依次读取的块添加成本点。如果知道每个块都包含了kb，那么就可以计算从表中读取的顺序块的成本值。

block_size = # block size in bytes

relation_size =

blocks = relation_size / block_size # =>

block_size = # block size in bytes

relation_size =

blocks = relation_size / block_size # =>

现在，已经知道块的数量，找出PostgreSQL为每个块读取分配多少个成本点。

db # SHOW seq_page_cost;

seq_page_cost

----------

( row)

db # SHOW seq_page_cost;

seq_page_cost

----------

( row)

换句话说，PostgreSQL为每个块分配一个成本点。这就需要 个成本点从表中读取数据。

从磁盘读取值并不是PostgreSQL需要做的。它必须将这些值发送给CPU并应用一个WHERE子句过滤。对于这个计算来说，如下的两个值非常有趣。

db # SHOW cpu_tuple_cost;

cpu_tuple_cost

--------------------

.

db # SHOW cpu_operator_cost;

cpu_operator_cost

----------------

.

db # SHOW cpu_tuple_cost;

cpu_tuple_cost

--------------------

.

db # SHOW cpu_operator_cost;

cpu_operator_cost

----------------

.

现在，用所有的值来计算在explain 语句中得到的值。

number_of_records =

block_size = # block size in bytes

relation_size =

blocks = relation_size / block_size # =>

seq_page_cost =

cpu_tuple_cost = .

cpu_filter_cost = .;

cost = blocks * seq_page_cost +

number_of_records * cpu_tuple_cost +

number_of_records * cpu_filter_cost

cost # =>

number_of_records =

block_size = # block size in bytes

relation_size =

blocks = relation_size / block_size # =>

seq_page_cost =

cpu_tuple_cost = .

cpu_filter_cost = .;

cost = blocks * seq_page_cost +

number_of_records * cpu_tuple_cost +

number_of_records * cpu_filter_cost

cost # =>

索引和PostgreSQL成本模型

索引在数据库工程师的生活中很可能仍然是最重要的话题。添加索引是否可以降低SELECT语句的成本呢?通过下面的例子来找出答案。

首先，在users表中添加一个索引：

db # CREATE INDEX idx_users_id ON users (id);

db # CREATE INDEX idx_users_id ON users (id);

观察一下新索引的查询规划。

db # EXPLAIN SELECT * FROM users WHERE id = ;

QUERY PLAN

---------- ---------- ----------

Index Scan using idx_users_id on users (cost=.... rows= width=)

Index Cond: (id = )

( rows)

db # EXPLAIN SELECT * FROM users WHERE id = ;

QUERY PLAN

---------- ---------- ----------

Index Scan using idx_users_id on users (cost=.... rows= width=)

Index Cond: (id = )

( rows)

成本函数显著下降。索引扫描的计算比顺序扫描的计算要复杂一些。它由两个阶段组成。

PostgreSQL会考虑random_page_cost和cpu_index_tuple_cost 变量，并返回一个基于索引树的高度的值。

db # SHOW random_page_cost;

random_page_cost

----------------

db # SHOW cpu_index_tuple_cost;

cpu_index_tuple_cost

----------

.

db # SHOW random_page_cost;

random_page_cost

----------------

db # SHOW cpu_index_tuple_cost;

cpu_index_tuple_cost

----------

.

对于实际的计算，请考虑阅读成本指数计算器的源代码。

工作进程的成本

PostgreSQL可以启动并行的工作进程(worker)来执行查询。但是，开启一个新的工作进程，性能会受到影响。

为了计算使用并行工作进程的成本，PostgreSQL使用 parallel_tuple_cost这个命令，它定义了从一个工作进程传送元组到另一个工作进程的成本，parallel_setup_cost命令意味着启动一个新的工作进程(worker)的成本，以下是查询示例。

db # SHOW parallel_tuple_cost;

parallel_tuple_cost

---------------------

.

db # SHOW parallel_setup_cost;

parallel_setup_cost

---------------------

db # SHOW parallel_tuple_cost;

parallel_tuple_cost

---------------------

.

db # SHOW parallel_setup_cost;

parallel_setup_cost

---------------------